最近在尝试使用image-text类型的LLM来判断图像。因为是GIS专业的，就随便找了一张街景。采用了Qwen VL Plus模型。
- 首先调用很丝滑。api配置很简单，环境配置很简单。
- 其次费用比较低。平均下来，一张图用了差不多1k token，这样的话，免费额度可以问1，000张。
- 但是回答的幻觉还是有的。
- 在街景图像中。只有google的水印。但是他描述了图片中有地名的存在……
- 文本描述能力上，文风多样。一会儿轻快愉悦。一会儿沉稳。甚至拒绝回答。
QWEN-VL Plus 使用小记
2024-12-11
17
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
近期尝试使用Qwen VL Plus模型处理图像识别任务，以GIS专业背景选择了一张街景图片进行测试。体验上，API调用流畅，环境配置简单，且成本低廉，免费额度可支持约1,000张图片的处理。不过，模型在某些情况下会产生幻觉，如对仅含Google水印的街景图片错误地描述存在地名信息。此外，其文本描述风格多变，从轻松愉快到沉稳不一，有时甚至会拒绝回答。
目录
相关文章
|
7月前
|
机器学习/深度学习
算法
测试技术
使用ORPO微调Llama 3
ORPO是一种结合监督微调和偏好对齐的新型微调技术，旨在减少训练大型语言模型所需资源和时间。通过在一个综合训练过程中结合这两种方法，ORPO优化了语言模型的目标，强化了对首选响应的奖励，弱化对不期望回答的惩罚。实验证明ORPO在不同模型和基准上优于其他对齐方法。本文使用Llama 3 8b模型测试ORPO，结果显示即使只微调1000条数据一个epoch，性能也有所提升，证实了ORPO的有效性。完整代码和更多细节可在相关链接中找到。
363
10
10
|
自然语言处理
安全
机器人
什么是Chat GPT3
随着 Chat GPT 技术的进一步发展，有几个关键方面值得关注。
首先是模型的扩展和改进。尽管 Chat GPT 在生成对话方面取得了很大的进展，但仍然存在一些局限性。模型在处理复杂问题和多轮对话时可能存在困难，很容易陷入回答模棱两可或不相关的内容。因此，改进模型在上下文理解和对话逻辑方面的能力是很重要的。
其次是对话的多模态处理。目前的 Chat GPT 模型主要基于文本输入和生成。然而，与人类对话经常伴随着语音、图像和其他非文本的元素不同，模型在多模态对话中的表现仍然较弱。因此，将多模态信息整合到 Chat GPT 中，使其能够更好地处理多媒体对话，将是一个有挑战性但有前景的方向。
205
0
0
|
7月前
|
监控
PyTorch
算法框架/工具
|
9天前
|
人工智能
缓存
自然语言处理
|
17天前
|
人工智能
JSON
监控
Qwen2.5-Coder-7B-Instruct Lora 微调 SwanLab 可视化记录版
本节我们简要介绍如何基于 transformers、peft 等框架，对Qwen2.5-Coder-7B-Instruct 模型进行Lora微调。使用的数据集是中文法律问答数据集 DISC-Law-SFT，同时使用 SwanLab 监控训练过程与评估模型效果。
74
4
4
|
3月前
|
自然语言处理
API
Python
|
2月前
|
测试技术
Apache
mixtral大模型
Mixtral 是一种具有开放权重的高质量稀疏专家混合模型 (SMoE)。根据 Apache 2.0 许可。 Mixtral 在大多数基准测试中都优于 Llama 2 70B，推理速度提高了 6 倍。它是最强大的开放权重模型，具有宽松的许可证，也是成本/性能权衡方面的最佳模型。
33
0
0
|
4月前
|
自然语言处理
资源调度
机器人
|
7月前
|
机器学习/深度学习
人工智能
API
如何在 TensorRT-LLM 中支持 Qwen 模型
大型语言模型正以其惊人的新能力推动人工智能的发展，扩大其应用范围。然而，由于这类模型具有庞大的参数规模，部署和推理的难度和成本极高，这一挑战一直困扰着 AI 领域。此外，当前存在大量支持模型部署和推理的框架和工具，如 ModelScope 的 Model Pipelines API，和 HuggingFace 的 Text Generation Inference 等，各自都有其独特的特点和优势。然而，这些工具往往未能充分发挥 GPU 的性能。
71721
0
2
|
6月前
|
资源调度
数据可视化
开发工具
热门文章
最新文章
1
阿里云百炼上线Qwen2.5-Turbo模型，可支持100万超长上下文
2
通义千问开源的QwQ模型，一个会思考的AI，百炼邀您第一时间体验
3
通义千问Qwen2-VL开源，API可直接调用！
4
通义千问重磅开源Qwen2.5，性能超越Llama
5
XiYan-SQL：一种多生成器集成的Text-to-SQL框架
6
阿里云百炼产品月刊【2024年11月】
7
Qwen2大模型微调入门实战（完整代码）
8
阿里云百炼大模型：引领企业智能化升级的下一代 AI 驱动引擎
9
什么是AI？如何使用AI？本文告诉你
10
通义千问API：让大模型使用各种工具
1
Qwen-Agent功能调用实践探索
48
2
用百炼做一个2024云栖大会问答助手
38
3
来自开发者的点赞，阿里云百炼入选 2024 最受开发者欢迎的 AI 应用开发平台榜
44
4
QWEN-VL Plus 使用小记
17
5
百炼+魔笔，极速开发端到端的大模型应用
88
6
如何构建一套qwen-max智能体拥有媲美通义千问在线接口的能力
51
7
如何构建一套qwen-max智能体拥有媲美通义千问在线接口的能力
47
8
顶顶通电话机器人开发接口对接大语言模型之实时流TTS对接介绍
31
9
基于百炼平台qwen-max的api 打造一套 检索增强 图谱增强 基于指令的智能工具调用决策 智能体
55
10
基于百炼平台qwen-max的api 打造一套 检索增强 图谱增强 智能工具调用决策的智能体
73